Thinking Machines, 120억 활성 파라미터의 효율형 모델 Inkling-Small 공개
Inkling-Small은 전체 2,760억·활성 120억 파라미터의 오픈 웨이트 MoE 모델로, 텍스트·이미지·오디오 입력과 최대 100만 토큰 컨텍스트를 지원합니다.
공개 2026-07-30
라이선스 Apache 2.0 · 오픈 웨이트
전체 2,760억·활성 120억 파라미터 MoE 모델
Thinking Machines Lab이 Inkling 계열의 두 번째 모델 Inkling-Small을 공개했습니다. 전체 2,760억 파라미터 가운데 토큰마다 120억 파라미터를 활성화하는 Mixture-of-Experts 구조로, 9,750억 전체·410억 활성 파라미터의 Inkling보다 약 4분의 1 크기에서 비슷한 성능을 목표로 합니다.
텍스트와 이미지, 오디오를 입력받아 텍스트를 생성하는 멀티모달 모델이며 최대 100만 토큰의 컨텍스트를 지원합니다. 추론 강도를 조절할 수 있고 코딩과 도구 사용, 일반 지식, 예측 작업을 폭넓게 다룹니다. 공식 평가에서는 SWEBench Verified 80.2%, Humanity's Last Exam 31.6%를 기록해 일부 추론·에이전트 코딩 과제에서 더 큰 Inkling을 앞섰습니다.
모델 가중치는 Apache 2.0 라이선스로 공개되어 연구와 자체 배포, 미세조정에 사용할 수 있습니다. Thinking Machines의 Tinker에서는 64K 및 256K 컨텍스트 구성으로 학습과 추론을 제공하며, Tinker Playground에서 텍스트·이미지·오디오 입력을 직접 시험할 수 있습니다.
작은 모델이 모든 면에서 우위인 것은 아닙니다. Thinking Machines는 Inkling이 지식 범위와 사실성에서는 여전히 유리하다고 설명합니다. 따라서 이 게시물은 막연한 ‘고효율 모델’ 소개 대신 모델 규모, 활성 파라미터, 입력 형식, 최대 컨텍스트와 큰 모델 대비 장단점을 공식 발표 기준으로 정리했습니다.